一种基于深度学习理论的齿轮系统故障诊断方法

• 作者: 任亚峰 徐文博 韩冰
• 来源期刊: 机械传动
• 关键词: 故障诊断 齿轮振动 深度学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 理论研究
• 页码范围: 78-83
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2020.08.014

摘要

分别建立了基于快速傅里叶变换和深度置信网络的FFT-DBN模型、基于小波变换和深度卷积神经网络的WT-CNN模型以及基于希尔伯特-黄变换和深度卷积神经网络的HHT-CNN模型,通过将3种深度学习模型有机融合,进一步构建了基于深度学习理论的齿轮系统故障诊断综合评判模型.通过搭建功率封闭齿轮系统振动测试试验台,加工不同故障模式的测试齿轮副并提取其振动加速度信号作为样本,将基于深度学习理论的综合评判模型的故障识别效果与其他模型进行了对比.结果 表明,基于深度学习理论的综合评判模型能够有效地辨识出多种齿轮故障;与其他模型相比,基于深度学习理论的综合评判模型的故障识别准确度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩冰	西北工业大学陕西省机电传动与控制工程实验室	19	122	6.0	10.0
2	徐文博		4	0	0.0	0.0
3	任亚峰	太原科技大学机械工程学院	1	0	0.0	0.0